数据可视化50图(十一) —— 宝可梦mega前后能力梯形图

前言

怎么用图表对比前后变化?用python试试吧。本次对比了喷火龙和超梦mega进化的前后对比。

例16

import matplotlib.lines as mlines
# Import Data
L_val=df['Defense']
R_val=df['Defense.1']


def newline(p1, p2, color='black'):
    ax = plt.gca()
    l = mlines.Line2D([p1[0],p2[0]], [p1[1],p2[1]], color='red' if p1[1]-p2[1] >= 0 else 'green', marker='o', markersize=6)
    ax.add_line(l)
    return l

fig, ax = plt.subplots(1,1,figsize=(10.5,7.5), dpi= 80)

# Vertical Lines
for i in range(4):
    if i==2:
        continue
    ax.vlines(x=i, ymin=30, ymax=150, color='black', alpha=0.7, linewidth=1, linestyles='dotted')

# Points
ax.scatter(y=L_val, x=np.repeat(1, df.shape[0]), s=10, color='black', alpha=0.7)
ax.scatter(y=R_val, x=np.repeat(3, df.shape[0]), s=10, color='black', alpha=0.7)

# Line Segmentsand Annotation
for p1, p2, l,r  in zip(L_val, R_val,df['Name'],df['Name.1']):
    newline([1,p1], [3,p2])
    ax.text(1-0.05, p1, l + ', ' + str(round(p1)), horizontalalignment='right', verticalalignment='center', fontdict={'size':14},rotation=0)
    ax.text(3+0.05, p2, r + ', ' + str(round(p2)), horizontalalignment='left', verticalalignment='center', fontdict={'size':14},rotation=0)
# 'Before' and 'After' Annotations
ax.text(1-0.05, 150, 'BEFORE', horizontalalignment='right', verticalalignment='center', fontdict={'size':18, 'weight':700})
ax.text(3+0.05, 150, 'AFTER', horizontalalignment='left', verticalalignment='center', fontdict={'size':18, 'weight':700})

# Decoration
ax.set_title("Defense vs Mega Defense", fontdict={'size':22})
ax.set(xlim=(0,4), ylim=(29,150), ylabel='Defense Value')
ax.set_xticks([1,3])
ax.set_xticklabels(["Normal", "Mega"])
plt.yticks(np.arange(50, 150, 10), fontsize=10,rotation=60)
plt.gca().spines["top"].set_alpha(.0)
plt.gca().spines["right"].set_alpha(.0)

数据表

id Name Attack Defense Name.1 Attack.1 Defense.1
0 6 Charizard 84 78 Mega Charizard X 130 111
1 6 Charizard 84 78 Mega Charizard Y 104 78
2 150 Mewtwo 110 90 Mega Mewtwo X 190 100
3 150 Mewtwo 110 90 Mega Mewtwo Y 150 70

图像

111.png

解析

代码解析

mlines.Line2D()

matplotlib中任意执行的画法

“# Vertical Lines”

画垂直的辅助线,把画布4等分

“# Points"

标记数据点的位置

”# Line Segmentsand Annotation“

画出红绿色的线段和标注文本的位置

”# 'Before' and 'After' Annotations“

标注Before、After的文本位置

”# Decoration“

ax.set() 设置x 坐标轴的长度,y轴长度,和名字

plt.gca().spines["top"].set_alpha(.0) 把顶上的框线去掉

ax.set_xticks([1,3]) 很关键 设置x轴的刻度,因为这张图x刻度不是连续的.

图像解释

y轴表示防御力的数值;x轴 间隔左边是mega 进化前 ,右边是mega 进化后,绿色表示增长,红色表示减少

结论

因为宝可梦的能力值很多都是相同的并且很少会有负增长的情况,所以梯形图在多数据的时候就显得很乱了。比如对比所有宝可梦mega后的速度变化。

112.png

下期预告

哑铃图Dumbbell Plot —— 宝可梦mega前后能力增长对比2

数据表格地址:https://raw.githubusercontent.com/ub3132003/pynotebook/master/data/pokemon.csv

灵感来自: machinelearningplus 感谢b站UP "菜菜TsaiTsai" 分享这个博客.

上期内容:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容